常用机器学习数据集汇总

本文将为你介绍一些常用的机器学习数据集，涵盖了多个领域，如计算机视觉、文本处理和其它应用。这些数据集不仅有助于学术研究，也适用于实际项目开发。

大学公开数据集

• 斯坦福大学无人机图像数据集
  这个数据集包含69G的大规模无人机拍摄的校园图像，非常适合无人机视觉应用的研究。
  斯坦福大学

• CUHK人脸素描数据集
  包含大量人脸素描图像，可用于人脸识别研究。
  香港中文大学

• NYU自然言语推理数据集
  数据集中包含了丰富的文本对，可以用于自然言语推理的研究。
  纽约大学

• 伯克利图像分割数据集BSDS500
  包含了大量的图像分割标注，适合图像分割领域的研究。
  伯克利大学

• 牛津宠物图像数据集
  数据集包含宠物图像及其分割标注，适合宠物图像识别和分割的研究。
  牛津大学

• MIT场景感知数据集ADE20K
  包含了大量的场景分割标注，适合场景理解和分割的研究。
  麻省理工学院

• GaTech多模态二元行为数据集
  包含多模态的行为数据，适合多模态行为识别的研究。
  佐治亚理工学院

计算机视觉/图像/视频数据集

• Fashion-MNIST风格服饰图像数据集
  该数据集包含大量时尚服饰图像，适合服装识别和风格分类的研究。
  肖涵

• 大型LOGO标志数据集
  数据集包含50万张LOGO图像，适合商标识别和品牌识别的研究。
  苏黎世联邦理工学院

• D-FAUST 4D扫描数据集
  数据集包含大量动态人体扫描图像，适合动态人体建模和动画的研究。
  杜伊斯堡-埃森大学

• Counting MNIST数据集
  数据集包含大量带有计数标注的图像，适合视觉计数的研究。
  FOMORO

• YouTube MV视频数据集
  数据集包含大量的音乐视频，适合视频分析和音乐视频推荐的研究。
  Keunwoo Choi

• UnrealCV合成数据集
  数据集包含大量虚拟环境下的图像和视频，适合虚拟现实和增强现实的研究。
  UnrealCV

• AwA2动物属性标记数据集
  数据集包含大量动物图像及其属性标注，适合动物识别和属性分类的研究。
  Christoph H. Lampert

• Manga109日本漫画数据集
  数据集包含大量的日本漫画图像，适合漫画图像识别的研究。
  ACM

• Pixiv着色图片数据集
  数据集包含大量的手绘图像及其着色标注，适合图像着色和艺术创作的研究。
  Jerry Li

• e-VDS视频数据集
  数据集包含大量的视频片段，适合视频处理和分析的研究。
  普渡大学

• Quick, Draw!简笔画涂鸦数据集
  数据集包含大量的简笔画图像，适合简笔画识别和生成的研究。
  Google Creative Lab

• 服饰人像生成模型数据集
  数据集包含大量的服饰图像及其解析标注，适合服饰识别和生成的研究。
  Christoph Lassner

• COCO像素级标注数据集
  数据集包含大量的图像及其像素级标注，适合图像分割和目标检测的研究。
  COCO

• 大规模街道级图片数据集
  数据集包含大量的城市街道图像及其分割标注，适合城市规划和道路识别的研究。
  Mapillary

• Clothing Co-Parsing数据集
  数据集包含大量的时装图像及其标注，适合时装识别和搭配的研究。
  熊攀峰

文本/评价/问答/自然言语数据集

• 英文笑话数据集
  数据集包含大量的英文笑话文本，适合文本生成和幽默分析的研究。
  Taivo Pungas

• 机器学习保险行业问答数据集
  数据集包含大量的保险行业问答文本，适合自然言语处理和问答系统的研究。
  Hain Wang

• 实体/名词语义关系标记数据集
  数据集包含大量的文本及其命名实体标注，适合命名实体识别和语义关系分析的研究。
  David S. Batista

• NLVR自然言语基础数据集
  数据集包含大量的图像及其标注，适合视觉推理和逻辑分析的研究。
  康奈尔大学

• RACE阅读理解数据集
  数据集包含大量的阅读理解文本，适合阅读理解和自然言语处理的研究。
  Qizhen Xu

• 文本简化数据集
  数据集包含大量的原始文本及其简化版本，适合文本简化和语言生成的研究。
  Clare College

• FrameNet语义框架标注数据集
  数据集包含大量的文本及其语义框架标注，适合语义分析和框架识别的研究。
  伯克利大学

• Quora数据集
  数据集包含大量的问题及其相似问题对，适合文本匹配和重复问题识别的研究。
  Quora

• 跨语种文本相似性检测数据集
  数据集包含大量的跨语种文本对，适合跨语种文本相似性检测的研究。
  Jeremy

其它数据集

• 数据迷信机器学习数据集汇总
  数据集包含大量的各种类型的数据集链接，适合各种领域的数据集查找。
  EliteDataScience

• CORe50延续目的辨认数据集
  数据集包含大量的连续目标识别图像，适合连续目标识别的研究。
  Vincenzo Lomonaco

• 自动发现数据集统计分布
  数据集包含大量的统计数据，适合数据集统计分析的研究。
  Isabel Valera

• 建筑物损害评价数据集
  数据集包含大量的建筑物图像及其损害标注，适合建筑物损坏评估的研究。
  Tsunami

• DeepMind开源数据集
  数据集包含大量的DeepMind开源数据集链接，适合多种领域的研究。
  DeepMind

• 音乐分析数据集FMA
  数据集包含大量的音乐数据，适合音乐分析和音乐生成的研究。
  Jeremy Stanley

• Instacart在线购物数据集
  数据集包含大量的在线购物数据，适合电商数据分析的研究。
  Instacart

• 欺诈检测数据集
  数据集包含大量的模拟财务数据，适合欺诈检测的研究。
  TESTIMON

• NSynth音符标记音频数据集
  数据集包含大量的高质量音符音频，适合音乐生成和音频处理的研究。
  Google Magenta

• LIBSVM格式数据集
  数据集包含大量的LIBSVM格式数据，适合分类、回归和多标签任务的研究。
  台湾大学

• 笔记本电脑用logistic回归数据集
  数据集包含大量的笔记本电脑数据，适合logistic回归模型的研究。
  Dmitriy Selivanov

• StackExchange问答数据集
  数据集包含大量的StackExchange问答数据，适合问答系统的研究。
  StackExchange

• KDD CUP赛题数据集
  数据集包含大量的KDD CUP赛题数据，适合竞赛和数据挖掘的研究。
  KDD CUP

• 食谱数据集
  数据集包含大量的食谱数据，适合烹饪和食品研究。
  Hugo Darwood

• 奥斯卡数据集
  数据集包含大量的奥斯卡奖项数据，适合电影奖项研究。
  美国电影艺术与科学学院

• 计算医疗数据集
  数据集包含大量的医疗数据，适合医疗数据分析和机器学习建模的研究。
  Akshay Bhat

• 聚类数据集
  数据集包含大量的聚类数据，适合聚类分析的研究。
  乔恩苏大学

• 官方开放气候数据集
  数据集包含大量的气候数据，适合气候变化研究。
  清华大学

• 全球恐怖袭击事件数据集
  数据集包含大量的恐怖袭击事件数据，适合恐怖袭击研究。
  START Consortium

• 时间序列数据集
  数据集包含多个时间序列数据集，适合时间序列分析的研究。
  Machine Learning Mastery

• 自然言语查询语义解析数据集
  数据集包含大量的自然言语查询及其语义解析结果，适合语义解析的研究。
  清华大学

• 赛马赔率数据集
  数据集包含大量的赛马赔率数据，适合赛马分析的研究。
  清华大学

• YELP数据集
  数据集包含大量的YELP商家评论和商家信息，适合商业分析的研究。
  YELP

• JMIR数据集专刊
  数据集包含大量的JMIR数据集，适合医学研究。
  JMIR

• 日文木版印刷文字辨认数据集
  数据集包含大量的日文木版印刷文字，适合文字辨认的研究。
  清华大学

• 多模态二元行为数据集
  数据集包含大量的多模态行为数据，适合行为分析的研究。
  清华大学

• 机器学习论文/数据集/工具集锦
  数据集包含大量的机器学习论文、数据集和工具，适合机器学习研究。
  日本

• 机器学习公司数据搜集策略
  数据集包含大量的机器学习数据搜集策略，适合数据搜集研究。
  清华大学

• NLP数据集加载工具集
  数据集包含大量的NLP数据集加载工具，适合自然言语处理研究。
  清华大学

• 日语相似词数据集
  数据集包含大量的日语相似词数据，适合语言研究。
  清华大学

• 大规模人本完形填空数据集
  数据集包含大量的完形填空文本，适合阅读理解研究。
  清华大学

• 高质量收费数据集列表
  数据集包含大量的高质量收费数据集链接，适合多种领域的研究。
  清华大学

• 《数据之美》自然言语数据集/代码
  数据集包含大量的《数据之美》中的自然言语数据集和代码，适合数据可视化研究。
  清华大学

• MS MARCO数据集
  数据集包含大量的MS MARCO数据，适合阅读理解研究。
  微软

• AI2科学问答数据集
  数据集包含大量的AI2科学问答数据，适合科学问答研究。
  AI2

希望这些数据集能帮助你在机器学习和数据科学的研究中取得成功！